圖像處理在自動駕駛系統中的應用

李光磊

摘 要：近年來，隨著汽車保有量的逐漸增加和道路交通設施的完善，汽車智能化的趨勢越來越明顯，自動駕駛技術也愈發的成熟。在未來的汽車應用中將會發揮巨大的作用。本文通過對相關論文的研究，針對目前自動駕駛技術的發展現狀，在圖像分析和自動駕駛方面做了簡單的分析和介紹。

關鍵詞：圖像處理；自動駕駛；汽車智能化

DOI：10.16640/j.cnki.37-1222/t.2017.22.102

0 引言

隨著汽車技術的快速發展，以及國民經濟的逐步提高，公路上絡繹不絕的汽車成為人們主要的交通工具。然而，隨著汽車保有量和道路交通流量的不斷增加，一系列的交通事故的發生引起了我們的注意。在這些交通事故中，帶給我們的是巨大的經濟損失和人身傷害。因此道路交通事故已經成為全球性的安全問題之一。提高汽車駕駛的安全性、避免交通事故發生以及減輕事故所帶來的人身傷害和財產損失已經成為全球各國政府和社會重點關注的問題之一。

因此，各國都在研發與應用車輛的安全駕駛技術，而自動駕駛技術是其中一種典型的高新技術的綜合體，主要包括計算機技術、現代傳感器技術、通訊網絡、信息技術融合、人工智能、自動控制原理等。隨著對自動駕駛車輛控制系統的研究不斷深入與完善，從一定角度來說，駕駛員的控制、視覺和感官功能都得到了延伸，這就彌補了人為因素造成的缺陷，大大提高交通中的安全因素。

1 自動駕駛技術研究現狀

自動駕駛技術在國外起步較早，一些發達國家比如美國、德國、法國等在自動駕駛汽車的研究方面走在了世界的前列。

谷歌公司是最早參與研發自動駕駛技術的[1]，早在2009年谷歌公司提出了關于自動駕駛的構想和方案，如今谷歌公司讓其自動駕駛系統運行里程超過了200萬英里。豐田汽車作為行業的大佬，在實車試驗上，推出了最新2.0版本的自動駕駛汽車，在時間上，豐田預計在2025年會有量產的自動駕駛汽車上市。百年車企寶馬目前已與處理器領導者Intel以及掌握著自動駕駛關鍵技術的以色列科技公司Mobileye合力推進自動駕駛技術[2]。并且英特爾以153億美元收購以色列ADAS公司Mobileye，并宣布2021 年聯合批量生產自動駕駛汽車。而且已經通過測試的自動駕駛7系列也將在歐洲和美國面市。

與國外發達國家相比，我國自動駕駛技術研究起步較晚，開始比較集中在離校及科研院所。現如今，在國家一系列政策的支持下，我國的自動駕駛技術及其相關技術在最近幾年的發展非常迅速，但是在自動駕駛方面，比如視頻分析下的環境感知和車輛精確控制等關鍵技術方面都存在明顯的不足，與美國等這些發達國家的水平還存在較大的差距，離最終實現自動駕駛汽車的目標還有許多研究難題需要攻克，還有許多路要走。

2 圖像處理技術

2.1 圖像的形成

計算機圖像是一個像素矩陣。每個像素值與場景中對應點的圖像的亮度成正比；通常，這個像素值是根據模數轉換器的輸出來計算的[3]。一幀圖像可以描述成N×N的m位像素，其中N是點的數目，m表示亮度值的級數。m位（bit）給出2m個值，范圍從0到2m-1。如果m值取8，那么亮度范圍在0—255之間，這兩個數值通常分別顯示黑色和白色，他們之間的亮度值顯灰色，正如圖2.1的灰度圖像所示。m值越小，則有效亮度級也越少，從而減少圖像中的有效對比度。

從圖像中可以看出，位平面1所帶來的信息最少，隨著位的級數增加，所帶的信息也有所增加。位平面8所帶的信息最多。可以看出，原圖像的內容在高級數圖像比其他級數的圖像更容易識別。

彩色圖像利用類似的存儲方法來確定像素的亮度。但是不是利用一個圖像平面，而是利用三個亮度分量來表示，這樣占得存儲空間也非常大。由于灰度圖像中有足夠的信息來進行特征提取和圖像處理分析，而且車載自動駕駛系統的內存有限。因此，在自動駕駛中只進行對灰度圖像在的處理。

對于灰度圖像的處理，N值的選擇非常復雜。N應該足夠大以分辨圖像的空間細節程度。如果N值太小，那么圖像看起來呈現鋸齒狀，而且會丟失很多細節。N值越大，細節越多，但是需要的存儲空間越大，而且隨著像素的增大，圖像處理所需要的時間也會越多。如圖2.2所示為不同分辨率的圖像效果。圖2.2（a）是一個64×64的圖像，它只顯示了粗略的結構，不能觀察其他的一些細節，（b）圖是一個128×128的圖像，從這幅圖可以看出更多的細節，（c）圖是所示是256×256的圖像，它顯示了更多的層次細節。這組圖片都被調整到相同的大小，因此（a）圖比（c）圖的像素大很多，（a）圖突出了圖像的鋸齒形的結構。在圖像處理中我們最常用的是256×256或512×512大小的圖像。

2.2 圖像處理運算方法

在圖像處理中，首先，利用直方圖描述圖像的亮度變化。經過一系列的點運算，比如通過不同的方式使圖像變亮或變暗，把灰度圖像轉化為二值圖像的處理方法。然后再進行群運算，指的是計算新圖像點作為原圖像同一位置點的近鄰點的函數。這些運算是為了圖像的特征提取進行預處理或者提高顯示亮度。

圖像處理中最基本的運算是點運算，處理過的圖像得到的像素值都是在原像素值的基礎上得到的新值，如果要增加亮度以拉伸對比度，我們只需要將所有的像素值與一個標量相乘。因而我們可以用一個公式來表示新圖像N中所有點的亮度值與原圖像O中點的亮度值之間的關系：

Nx，y=k×Ox，y+l x，y∈1，N

式中l代表圖像總體的亮度，亮度級范圍由增益k表示。從這個公式中可以看出，亮度級控制圖像的總體的亮度，是輸出圖像的最小值。增益控制對比度或者范圍，如果增益大于1，那么輸出的區間范圍將會增加，圖像將會變得更亮。

隨著技術的不斷成熟，人們對圖像清晰度的要求也越來越高，如果得到高精度的圖像，就需要對圖像的像素增加，而圖像的大小也隨之增加，這對于圖像處理速度來說是一個很大的挑戰。另一方面，計算機信息技術的發展帶來了產業的革新，能夠快速的處理信息量比較大的圖像，甚至有時候能夠實時的同步。計算機技術的發展對數字圖像的處理起了很大的作用，這就是圖像處理技術目前越來越受歡迎的主要原因。endprint

3 圖像處理技術在自動駕駛中的應用

自動駕駛的關鍵技術是環境感知技術和車輛控制技術，其中環境感知技術是自動駕駛汽車行駛的基礎，車輛控制技術是自動駕駛汽車行駛的核心，這兩項技術相輔相成共同構成自動駕駛汽車的關鍵技術。

環境感知技術指汽車在行駛狀態下能夠獲取自身所處的位置以及周圍的環境和一些障礙物的信息，在必要的情況下對汽車的本身進行剎車制動以及其他的一些操作，以保證汽車行駛的安全性和操縱穩定性。車載攝像頭根據拍攝到的畫面傳遞到汽車的控制中心即車載電腦，從而讓汽車在行駛中根據這些情況規劃修改行駛路線。已經在很大程度上減輕了駕駛員的操作疲勞程度。根據車輛的視頻分析與圖像特征對比，從而能更好的開發視頻分析技術的作用，應用到自動駕駛技術中。

圖像處理在車道線檢測方面的應用，目前的情況大多是在較為理想的環境路面條件下，利用圖像處理技術的核心就是基于攝像頭的視覺感知系統。當汽車行駛時，攝像裝置將汽車外的目標景物根據小孔成像的原理投射到圖像傳感器上，然后圖像傳感器根據光照強度的不同產生不同強度的電流，經過一系列的處理轉換變成數字信號傳遞到計算機控制中心。計算機根據這些數字化的信號，對圖像進行識別、處理、分析。然后再利用車載雷達向車輛周圍的目標發射信號或者接受反射回來的信號，傳遞到計算機控制中心，計算機控制中心再根據這些信息，通過計算、分析來獲取周圍景物距離車輛的遠近。

如果車道線被積雪、雜物等覆蓋，系統可能檢測不出來，導致車輛無法正確的識別車道線[4]，會出現車輛跑偏的情況。因此在環境感知技術方面，應多考慮在復雜的情況路面下車輛如何進行正確駕駛的問題，這時候利用視頻分析技術，由環境感知系統測定車輛周圍的環境，然后利用視頻序列是隨著時間推移而連續變化的這一特點，推導出車道線在這個時間內也是擁有一定的連續性。利用這一特點可以建立視頻在相鄰兩幀之間的連續性，從而在對當前車道線的圖像進行檢測的過程中利用上一幀的圖像進行標定。然后車載計算機控制系統根據這一圖像繪制完整的車道線，保障汽車安全平穩的駕駛。

4 結語

隨著科技的進步和技術的發展?，F在的車輛都已經有了比如車道輔助系統和自適應巡航控制等系統。這都是在視頻分析、圖像處理的基礎上對汽車的進一步改進。在未來幾年，隨著自動駕駛技術的成熟，圖像處理技術的熟練應用，完全實現自動駕駛的汽車也將會變得越來越普遍。通過在理論層面對視頻分析技術的應用研究，就能為未來的自動駕駛發展提供理論層面的知識，從而為以后的技術提供更為準確的研究方向。

參考文獻：

[1]Watzenig D， Horn M. Introduction to Automated Driving[M]. Automated Driving.Springer International Publishing，2017.

[2]王俊.無人駕駛車輛環境感知系統關鍵技術研究[D].中國科學技術大學，2016.

[3]Mark S.Nixon，Alberto S.Aguado.Feature Extraction and Image Processing[M].

[4]李小樂.基于連續視頻幀的多特征融合道路車輛檢測方法研究[D].長沙：湖南大學，2013.endprint